[发明专利]一种基于二值图的手指静脉识别方法

说明书

本发明涉及一种基于二值图的手指静脉识别方法，包括：采集近红外光下的手指图像；对采集的手指图像进行预处理，以获取对应的手指静脉二值图；采用FAST算法对手指静脉二值图进行特征点提取；采用梯度直方图对提取的特征点进行向量化描述；基于向量化描述的特征点，计算手指静脉二值图与训练库中所有注册图像之间的匹配距离；通过比较手指静脉二值图与所有注册图像的匹配距离，得到识别结果。本发明以阈值分割后的静脉纹理二值图作为特征点提取的对象，可以最大程度消除非静脉因素的干扰，并且对算法设计本身进行优化，进一步提高手指静脉识别的效率和结果识别的准确率。

技术领域

本发明涉及图像处理与生物识别技术领域，尤其是涉及一种基于二值图的手指静脉识别方法。

背景技术

现有的指静脉识别算法大致分为基于细节和特征点的方法，基于局部模式的方法，以及基于纹理网络的方法。其中，基于细节和特征点的方法在一定程度上综合了后两种方法的优势，发展前景较好。基于细节和特征点的方法，通过对图像进行处理，尽可能的突出静脉纹理部分，消除非静脉结构等因素的影响，然后再提取静脉结构中符合要求的特征点，进一步消除非静脉结构的干扰。

然而，发明人在研究中发现，现有的基于细节和特征点的静脉识别方法，主要是以包含静脉分布的灰度图进行对象进行算法设计，由于采集装置的局限性、光照强度的不确定性，以及手指血管周围组织的复杂性等因素的存在，导致后续图像处理过程中得到的灰度图依然存在不规则的阴影和非静脉特征，这会使得被提取的静脉特征不具备很好的代表性和区分性，从而降低识别结果的准确性。另外，在算法设计的本身也有需要改进和优化的空间

发明内容

有鉴于此，有必要针对上述的问题，提供一种基于二值图的手指静脉识别方法，以阈值分割后的静脉纹理二值图作为特征点提取的对象，可以最大程度消除非静脉因素的干扰，并且对算法设计本身进行优化，进一步提高手指静脉识别的效率和结果识别的准确率。

一种基于二值图的手指静脉识别方法，包括：

采集近红外光下的手指图像；

对采集的手指图像进行预处理，以获取对应的手指静脉二值图；

采用FAST算法对手指静脉二值图进行特征点提取；

采用梯度直方图对提取的特征点进行向量化描述；

基于向量化描述的特征点，计算手指静脉二值图与训练库中所有注册图像之间的匹配距离；

通过比较手指静脉二值图与所有注册图像的匹配距离，得到识别结果。

所述对采集的手指图像进行预处理的步骤，包括：

对手指图像进行图像尺寸归一化、ROI提取、图像空间域和频域增强，以及图像阈值分割的处理。

所述ROI提取包括：

使用Sobel算子纵向卷积粗提取手指边缘，然后沿着梯度方向进行非极大值抑制，最后使用RANSAC拟合轮廓边缘。

所述图像空间域和频域增强的步骤，包括：

使用CLAHE将图像分成若干个子块，在每个子块内进行直方图均衡化，若某个子块的直方图幅度大于预设值，则对其进行裁剪并均匀的分布在整个灰度区间中；以及

构建以为间隔，从0到共8个方向的Gabor滤波器，分别对图像进行滤波处理，对得到的8个响应进行比对筛选，保留各个结果中纹理部分的最大响应。

所述图像阈值分割的步骤，包括：

使用NiBlack算法进行阈值分割，将大于阈值的像素值设为255，小于阈值的像素值设为0。

所述采用梯度直方图对提取的特征点进行向量化描述的步骤，包括：